Skills 与 MCP 协议深度解析

Agent 的能力不是无限的——它需要"插件"来扩展。Skills 是 Claude Code 的能力扩展机制，MCP（Model Context Protocol）是 Anthropic 提出的工具连接标准协议。理解这两者，等于理解了 AI Agent 生态的基础设施层。

1. 什么是 Skills

1.1 Skills 的本质

Skills = Agent 的可安装能力模块

类比理解：

手机 App Store → Agent 的 Skills 商店
安装一个 App → Agent 获得一项新能力
App 有权限管理 → Skills 也有工具权限控制

1.2 Claude Code Skills 实例

Claude Code 的 Skills 系统是当前最成熟的 Agent 能力扩展方案之一。

一个 Skill 的结构：

~/.claude/skills/my-skill/
├── SKILL.md          # Skill 的 Prompt 指令（核心）
├── config.json       # 配置（可选）
└── templates/        # 模板文件（可选）

SKILL.md 的核心内容：

# Skill 名称：代码审查助手

## 触发条件
当用户说"review"、"审查代码"、"CR"时触发

## 行为描述
1. 读取指定文件或 Git diff
2. 按照以下维度审查：安全性、性能、可读性、最佳实践
3. 输出结构化的审查报告

## 输出格式
[审查报告模板]

## 可使用的工具
- Read（读取文件）
- Grep（搜索代码）
- Bash（执行 git 命令）

产品思考：Skills 的精妙之处在于，它用 Markdown 文本（而非代码）定义 Agent 的行为——这意味着非程序员也能创建和修改 Skills。

1.3 Skills 生态

层级	说明	示例
内置 Skills	官方预装	/commit、/review-pr
社区 Skills	第三方开发者创建	写作助手、论文分析、SEO 检查
自定义 Skills	用户自己创建	企业专属工作流

2. MCP（Model Context Protocol）

2.1 为什么需要 MCP

问题：每个 AI 工具/平台都有自己的插件系统（ChatGPT Plugins、Gemini Extensions、Claude Tools），互不兼容。

类比：想象每个手机品牌都用不同的充电口——MCP 就是 AI 工具世界的 USB-C 标准。

MCP 的目标：建立一个开放的、标准化的协议，让任何 AI 模型都能连接任何外部工具/数据源。

2.2 MCP 架构

MCP 架构：

┌─────────────┐     ┌──────────────┐     ┌─────────────────┐
│  AI 应用     │     │  MCP Client   │     │  MCP Server      │
│ (Claude等)   │ ←→  │  (协议客户端)  │ ←→  │ (工具/数据提供者) │
└─────────────┘     └──────────────┘     └─────────────────┘
                                              │
                                    ┌─────────┼──────────┐
                                    │         │          │
                                 数据库    API 服务    文件系统

三个核心概念：

概念	说明	类比
MCP Server	提供工具能力的服务端	USB 设备（键盘、鼠标）
MCP Client	连接 Server 的客户端	USB 接口
Transport	通信方式（stdio/SSE）	USB 线缆

2.3 MCP 提供的三种能力

Tools（工具）：模型可以调用的函数

{
  "name": "query_database",
  "description": "查询用户数据库",
  "parameters": {
    "sql": { "type": "string", "description": "SQL 查询语句" }
  }
}

Resources（资源）：模型可以读取的数据

{
  "uri": "file:///reports/monthly.csv",
  "name": "月度报告",
  "mimeType": "text/csv"
}

Prompts（提示模板）：预定义的交互模板

{
  "name": "analyze_data",
  "description": "数据分析模板",
  "arguments": [
    { "name": "dataset", "description": "数据集名称" }
  ]
}

2.4 MCP vs 其他方案

维度	Function Calling	ChatGPT Plugins	MCP
标准化	各平台各自实现	OpenAI 专属	开放标准
跨平台	否	否	是
开源	部分	否	完全开源
数据访问	仅工具调用	仅工具调用	工具 + 资源 + 提示
生态	碎片化	已停止	快速增长
状态管理	无	有限	完善的会话管理

2.5 构建 MCP Server 示例

一个简单的天气查询 MCP Server（Python）：

from mcp.server import Server
from mcp.types import Tool

server = Server("weather-server")

@server.tool()
async def get_weather(city: str) -> str:
    """获取指定城市的天气信息"""
    # 调用天气 API
    result = await fetch_weather_api(city)
    return f"{city}：{result['temp']}°C，{result['condition']}"

# 启动服务
server.run()

配置连接（在 Claude Desktop 的 settings.json 中）：

{
  "mcpServers": {
    "weather": {
      "command": "python",
      "args": ["weather_server.py"]
    }
  }
}

3. OpenClaw 生态

3.1 什么是 OpenClaw

OpenClaw 是一个 MCP Server 的开源注册表和分发平台——类似于 npm 之于 Node.js，PyPI 之于 Python。

核心价值：

发现：搜索和浏览可用的 MCP Server
安装：一键安装 MCP Server 到你的 AI 工具中
分发：开发者可以发布自己的 MCP Server

3.2 热门 MCP Server

名称	功能	应用场景
@modelcontextprotocol/server-filesystem	文件读写	本地文件操作
@modelcontextprotocol/server-github	GitHub API	代码仓库管理
@modelcontextprotocol/server-postgres	PostgreSQL	数据库查询
@modelcontextprotocol/server-slack	Slack API	团队沟通
@modelcontextprotocol/server-puppeteer	浏览器自动化	网页操作

4. Claude Code SDK：构建自定义 Agent

4.1 SDK 的定位

Claude Code SDK 允许开发者基于 Claude 构建完全自定义的 Agent 应用，而不仅仅是使用 Claude Code CLI。

使用场景：

企业内部的自动化工作流
垂直领域的专业 Agent
产品中嵌入 AI Agent 能力

4.2 核心能力

Claude Code SDK 提供：
├── 对话管理：多轮对话、上下文维护
├── 工具调用：内置工具 + 自定义工具
├── MCP 集成：连接任何 MCP Server
├── 权限控制：细粒度的工具使用权限
├── 流式输出：实时展示 Agent 执行过程
└── 多 Agent：Team 模式支持 Agent 间协作

4.3 简单示例

import { Agent } from '@anthropic-ai/claude-code-sdk';

const agent = new Agent({
  model: 'claude-sonnet-4-6',
  tools: ['Read', 'Write', 'Bash'],
  systemPrompt: '你是一个代码审查助手...',
});

const result = await agent.run('审查 src/auth.ts 的安全性');
console.log(result);

5. 产品经理视角：Agent 工具生态的演进

5.1 三个阶段

阶段一（2023）：ChatGPT Plugins — 封闭平台，中心化
    → 失败原因：只能在 ChatGPT 中使用，开发者收益不明确

阶段二（2024）：Function Calling — 开放但碎片化
    → 每个平台各自实现，开发者要为每个平台单独适配

阶段三（2025）：MCP — 开放标准，去中心化
    → 一次开发，所有支持 MCP 的 AI 产品都能使用

5.2 对 AI PM 的启示

选型建议：新产品优先支持 MCP，而非自建插件系统
生态思维：工具连接器比工具本身更有价值（平台 > 功能）
数据护城河：MCP 让"连接私有数据"变得标准化，企业数据的价值进一步放大
商业模式：MCP Server 可以收费（SaaS 模式），类似 API Marketplace

核心要点

Skills 是 Agent 的"App Store"：用 Markdown 定义能力，非程序员也能创建
MCP 是 AI 工具连接的 USB-C 标准：一次开发，到处连接
MCP 提供三种能力：Tools（工具调用）、Resources（数据读取）、Prompts（交互模板）
OpenClaw 是 MCP 的 npm：发现、安装、分发 MCP Server
Claude Code SDK 让你构建自定义 Agent：不只是用 Agent，而是造 Agent
AI PM 应该关注生态而非单点功能：谁掌握了工具连接标准，谁就掌握了 Agent 时代的入口